[发明专利]一种多模型融合的用户属性预测方法

权利要求书

1.一种多模型融合的用户属性预测方法,包括以下步骤：

（1）数据采集：对广告用户的点击浏览历史进行记录，对浏览记录进行数值化处理得到训练样本，并将所述训练集划分为用于训练和测试的训练集和测试集；

（2）特征工程：使用热力图对和特征之间的相关性进行分析，并使用XGBoost算法对各特征进行重要性排名，剔除掉相关性高，并重要性排名较低的特征，实现对特征的筛选；

（3）模型训练：将逻辑回归、随机森林、极限树和XGBoost算法作为Stacking模型第一层的元分类器对数据，使用LightGBM作为Stacking模型第二层的元分类器进行训练，实现多层次、多算法的融合学习；

（4）交叉验证：采用五折交叉验证的方式对模型进行训练，最大程度的减少过拟合；

（5）精度评价：将测试集输入到预测模型中得到预测结果，并得到用户年龄和性别征准确率、召回率、F1值和精确度等性能指标；

（6）消融实验：对Stacking第一层的元分类器逻辑回归、随机森林、极限树和XGBoost算法进行随机组合得到14组对比模型，分别将数据集输入到14个模型中进行训练，结合本方法的模型对比15个模型的准确率、召回率、F1值和精确度等性能指标，验证模型预测的效果。